Отрывок: В качест- ве функций активаций после свёрток и предпоследнего полносвязного слоя используется ReLU. Табл. 1. Архитектура свёрточной нейронной сети, использовавшейся для классификации знаков № Тип Количество карт в слое и нейронов Ядро 0 Входной 3 карты по 48×48 нейронов 1 Свёрточный 100 карт по 100×100 нейронов 7×7 2 Max pooling 100 карт по 21×21 нейронов 2×2 3 Свёрточный 150 карт по 18×18 нейронов 4×4 4 Max pooling 150 карт по 9×9 нейронов 2×2 5 Свёрточный 250 карт по 6×...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Шахуро, В.И. | - |
dc.contributor.author | Конушин, А.С. | - |
dc.date.accessioned | 2018-04-05 11:11:19 | - |
dc.date.available | 2018-04-05 11:11:19 | - |
dc.date.issued | 2018-02 | - |
dc.identifier | Dspace\SGAU\20180402\68006 | ru |
dc.identifier | Dspace\SGAU\20180404\68006 | ru |
dc.identifier.citation | Шахуро, В.И. Синтез обучающих выборок для классификации дорожных знаков с помощью нейросетей / В.И. Шахуро, А.С. Конушин // Компьютерная оптика. – 2018. – Т. 42, № 1. – С. 105-112. – DOI: 10.18287/2412-6179-2018-42-1-105-112. | ru |
dc.identifier.uri | https://dx.doi.org/10.18287/2412-6179-2018-42-1-105-112 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Sintez-obuchaushih-vyborok-dlya-klassifikacii-dorozhnyh-znakov-s-pomoshu-neirosetei-68006 | - |
dc.description.abstract | В работе исследуется применимость порождающих конкурирующих нейронных сетей для синтеза обучающих выборок на примере задачи классификации дорожных знаков. Рассматриваются порождающие нейронные сети, обучаемые с помощью метрики Васерштейна. В качестве базового метода для сравнения используется метод генерации синтетических изображений дорожных знаков по иконке. Проводится экспериментальное сравнение нейросетевых классификаторов, обученных на реальных данных, двух видах синтетических данных, а также смеси реальных и синтетических данных. Эксперименты показывают, что современные порождающие нейронные сети позволяют создавать реалистичные обучающие выборки для классификации автодорожных знаков, которые превосходят по качеству методы генерации знаков по иконкам, но немного уступают по качеству реальным данным. | ru |
dc.description.sponsorship | Работа выполнена при поддержке гранта РНФ 17-71-20072 «Нейробайесовские методы в задачах машинного обучения, масштабируемой оптимизации и компьютерного зрения». | ru |
dc.language.iso | rus | ru |
dc.publisher | Самарский национальный исследовательский университет имени акад. С.П. Королева | ru |
dc.relation.ispartofseries | 42/1; | - |
dc.subject | классификация дорожных знаков | ru |
dc.subject | синтетические обучающие выборки | ru |
dc.subject | порождающие нейронные сети | ru |
dc.title | Синтез обучающих выборок для классификации дорожных знаков с помощью нейросетей | ru |
dc.title.alternative | Image synthesis with neural networks for traffic sign classification | ru |
dc.type | Article | ru |
dc.textpart | В качест- ве функций активаций после свёрток и предпоследнего полносвязного слоя используется ReLU. Табл. 1. Архитектура свёрточной нейронной сети, использовавшейся для классификации знаков № Тип Количество карт в слое и нейронов Ядро 0 Входной 3 карты по 48×48 нейронов 1 Свёрточный 100 карт по 100×100 нейронов 7×7 2 Max pooling 100 карт по 21×21 нейронов 2×2 3 Свёрточный 150 карт по 18×18 нейронов 4×4 4 Max pooling 150 карт по 9×9 нейронов 2×2 5 Свёрточный 250 карт по 6×... | - |
dc.classindex.scsti | 28.23.15 | - |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
420113.pdf | Основная статья | 1.57 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.